人力资本集聚、城镇化与产业结构升级——基于长三角城市群的实证分析

尹秀芳

（安徽工程大学管理工程学院，安徽芜湖，241000）

一、引言

据国家统计局公布的数据显示：截至2016年底，中国城镇化率已增至57.35%，未来较长一段时间内城镇化水平将会继续快速提升。随着城镇化进程的逐步推进，迁移到城市就业和生活的劳动力日益增多。城市散发出强大的“磁场效应”，引导着劳动力的流向并由此形成人力资本在不同地区的空间分布。劳动力向城市流动为人力资本的地区集聚创造了条件，人力资本集聚与城镇化进程密切相关，伴随着整个城镇化的进程。人力资本空间分布状态的改变和城镇化进程的加速不可避免地会对产业结构的区域分布产生影响。一方面，人力资本集聚和城镇化发展为地区产业发展制造了机会；另一方面，人力资本的集聚和城镇化的发展能否与产业结构优化升级相匹配并实现协调发展关乎整个经济的运行效率。在“产城融合”发展的背景下，探讨人力资本集聚、城镇化与产业结构升级三者之间的相互关系具有十分重要的意义。长三角城市群涵盖江浙沪皖三省一市，下辖南京、宁波、苏锡常、杭州、合肥等多个都市圈，是中国区域经济发展中速度较快、开放性较强的区域之一，吸引了中国大量人力资本的流入，其在中国城镇化发展和产业结构优化升级的大局中具有的举足轻重的地位。本文以长三角城市群所辖南京、宁波、苏锡常、杭州、合肥五个都市圈的16个核心城市为例，探讨人力资本集聚、城镇化和产业结构优化升级三者之间的相互关系。

二、人力资本集聚指标构建及测算

（一）人力资本集聚指标的构建

朱平芳和徐大丰[1]提出了人力资本估算模型用于测算不同城市的人力资本水平。由于该方法克服了各个城市不同受教育程度人数数据获取的困难，计算所获得的人均人力资本水平又可以用于比较不同城市人力资本的集聚程度。借鉴此方法，假设技术中性，建立柯布道格拉斯总量生产函数，通过公式（1）（2）（3）来估算长三角城市群16个核心城市2000年至2015年间的人均人力资本水平。

其中，h为各城市的人均人力资本水平，w(t)为劳动者的工资水平，w*(1)为单位人力资本的效率工资。k为人均物质资本存量，θ为劳动产出弹性，1-θ为资本产出弹性，L为各城市年末从业人员数，Y为各城市历年的产出值。从公式（1）、（2）、（3）可以发现，各城市人均人力资本水平h的测算涉及到劳动者工资水平w(t)、年末从业人员数L、历年产出值Y和人均物质资本存量k四个变量。前三个变量数据来源于《中国城市统计年鉴》、相关省份及城市的统计年鉴，人均物质资本存量k参照尹秀芳[2]的方法计算。

（二）长三角城市群人力资本集聚测算结果

根据测算，不同地区人力资本水平见表1。研究发现，自2000年以来长三角所辖五大都市圈的人力资本均值在不同程度上都得到了提升。2000～2015年间，合肥都市圈人均人力资本水平提升最快，年均增长率为7.28%；其次是南京都市圈，年均增长率为6.69%；第三是苏锡常都市圈，年均增长率为6.35%；杭州和宁波都市圈的年均增长率排在第四和第五位，分别为5.81%和4.70%。具体来看，研究期间内合肥都市圈的历年人力资本水平均值都要低于长三角城市群的平均水平。苏锡常、南京和杭州都市圈虽然2000年人力资本水平均值在五大都市圈中处于中等水平，但2015年这三大都市圈的人力资本水平均值分别位于前三位。相比之下，宁波都市圈的人力资本水平均值增长相对缓慢。因此，长三角城市群的人力资本主要集聚在南京、苏锡常和杭州都市圈，宁波都市圈居中，合肥都市圈人力资本集聚水平相对较低。

表1 长三角城市群历年人力资本水平均值

为了更好地了解长三角城市群的人力资本集聚程度，图1展示了2000年和2015年长三角城市群16个核心城市人力资本水平均值的不同情况。可以看出，2015年人力资本水平均值最高的三个城市依次是南京、杭州和无锡，分别为276.23、266.81和263.39。合肥作为中部省会城市，在2000～2015年间吸引和培育了不少人力资本，其人力资本水平均值在16个核心城市中的排名由初期的第15位上升到了期末的第9位。即使如此，人力资本更倾向于向南京、杭州等东部省会城市集聚。

图1 长三角城市群城市2000年和2015年人力资本均值对比

从五大都市圈内部来看，虽然2015年南京的人力资本水平均值在16个核心城市中位居首位，但是镇江和无锡的人力资本水平均值分别只有235.06和235.21，拉低了南京都市圈整体的人力资本水平。类似地，杭州都市圈中的绍兴、湖州和嘉兴2015年人力资本水平均值分别只有230.21、230.86、238.44，合肥都市圈中的芜湖和马鞍山2015年人力资本水平均值分别只有219.29和230.73，同样拉低了杭州和合肥都市圈整体人力资本水平。因此，都市圈内部存在着人力资本向省会城市集聚的倾向。但是，苏州、无锡和常州三大城市人力资本水平发展相对均衡，2000年分别为127.78、131.6和 125.08，2015年则分别为 246.49、263.39和240.76，由2000年的第7、6、8位分别上升至2015年的第6、3、7位，同样吸引了不少人力资本集聚于这三座城市。另外，台州人力资本水平均值由2000年的141.88上升至2015年的216.7，虽然其绝对值得到了提升，但排名由2000年的第4位下降到2015年的第16位。与其他城市相比，台州在人力资本集聚上并无明显优势可言。

三、PVAR模型构建及实证分析

（一）模型构建及数据说明

1.模型构建

PVAR模型是VAR模型的拓展，兼具VAR模型和面板数据模型的优点，允许不可见的个体异质性存在，适用于分析时序较短的多变量面板数据。鉴于人力资本集聚、城镇化和产业结构优化升级三个变量之间的复杂关系，本文构建如式（4）的PVAR模型展开实证分析。

式（4）中，yit指的是人力资本集聚、城镇化和产业结构优化升级，即核心变量。i指的是样本单元，即长三角城市群所辖的16个核心城市。t指的是年份，α0为常数项，j为滞后阶数，n为最大的滞后阶数。αj为变量j阶滞后相应的参数矩阵。χi为固定效应向量，反映长江城市群各个城市在截面上的区域异质性。ηt为变量随时间趋势所呈现的变化。μit为误差项。

2.变量与数据

（1）城镇化。为了不遗漏已在城市稳定就业但尚未进行户籍转换的劳动力，本文采用常住人口城镇化率u作为衡量城镇化的指标。

（2）产业结构升级。与李学兰和王海元[3]等研究者的做法一样用产业结构指数来衡量产业结构升级。该指数以长三角城市群各城市历年三次产业增加值比重为依据构建，计算公式如式（5）所示。

其中，i为产业结构指数，pk为第k次产业的增加值比重。根据测算结果，产业结构指数越高则反映出该城市产业结构水平越高，产业结构升级越快。

城镇化和产业结构优化升级的原始数据均来源于长三角城市群各城市的统计公报。

（二）单位根检验

PVAR模型估计的前提是各变量的数据是平稳的，因此首先需要对人力资本集聚、城镇化水平和产业结构指数三个指标进行面板数据的单位根检验，以消除模型估计中“伪回归”，提高估计结果的可靠性。出于稳健性考虑，本文同时采用Levin-Lin-Chu、Harris-Tzavalis和Im-Pesaran-Shin三种方法对模型中的数据进行检验，结果见表2。可以发现，人力资本聚集均以1%的显著性水平通过检验，即不同检验方法都显示变量h不存在单位根。城镇化水平以1%的显著性水平通过前两种检验，同时以5%的显著性水平通过第三种检验。产业结构指数分别以1%和5%的显著性水平通过前两种检验，而Im-Pesaran-Shin检验则显示不显著。由于通过了两种检验，可以认为数据是平稳的。综上可知，三个变量均属于I（0）平稳序列，满足模型对数据平稳性的要求。

表2 面板数据单位根检验结果

（三）格兰杰因果关系检验

在格兰杰因果关系检验之前首先需要确定模型的滞后阶数，本文根据J pvalue、MBIC、MAIC和MQIC的值进行判断，结果见表3。一般认为，PVAR模型最优滞后阶数取上述统计量的最小值。因此，选择滞后1期作为模型的最优滞后阶数。

表3 滞后阶数判定

接着对人力资本集聚、城镇化与产业结构升级之间的关系进行格兰杰因果检验，结果见表4。在滞后1期的条件下，格兰杰因果检验中的九个零假设均被拒绝，人力资本集聚、城镇化和产业结构升级之间存在着因果关系。

表4 格兰杰因果关系检验

（四）PVAR模型估计

为提高估计结果的准确性和可靠性，采用前向均值差分法去除固定效应带来的误差，滞后变量作为工具变量，使用Stata13.0软件采用GMM方法估计模型参数，结果见表5。

滞后一期的城镇化水平、产业结构升级及自身均能够对人力资本集聚产生正向作用，且其自身的正向作用相对较大；滞后一期的人力资本集聚、产业结构升级及自身能够促进城镇化水平的提高；滞后一期的其他两个变量及自身同样与产业结构升级形成正相关关系。

表5 PVAR模型GMM估计结果

（五）脉冲响应及方差分析

首先，从脉冲响应图看，人力资本集聚对其自身、城镇化水平和产业结构升级均能起到推动作用，这种推动作用呈现出先弱后强的态势。总体上看，人力资本集聚自身的响应程度相对较强，产业结构升级的响应程度相对较弱，而城镇化水平的响应程度则位于两者之间。城镇化水平能拉动人力资本集聚和产业结构升级，这种影响力同样表现出先弱后强的变化规律，但人力资本集聚对城镇化水平的响应程度相对要强。城镇化水平对其自身的响应程度则呈现出先增强后减弱的趋势。同时，产业结构升级也促进了人力资本集聚和城镇化水平的发展，但呈现出先上升后下降的趋势。

图2 变量间的脉冲响应

其次，从对人力资本集聚的方差分解结果可以发现，第10期中其自身、城镇化水平和产业结构升级的解释力分别为41.40%、34.65%和23.95%；到了第20期，三者的解释力分别为34.83%、37.79%和27.39%。与第10期相比，人力资本集聚自身的解释力略有下降，而城镇化水平和产业结构升级的解释力则略有上升。与第20期相比，三个变量第30期的解释力几乎相同。随着时间的推移，这些变量对人力资本集聚的影响力趋于稳定。从对城镇化水平的方差分解结果来看，在第10期，产业结构升级对其的解释力为77.04%；在第20期，产业结构升级对其的解释力为76.99%；在第30期，产业结构升级对其的解释力则为76.97%。产业结构升级在城镇化水平的方差分解结果中起主导作用。从对产业结构升级的方差分解结果来看，第10期，产业结构升级对其自身的解释力为58.43%；第20期，产业结构升级对其自身的解释力为59.94%；第30期，产业结构升级对其自身的解释力为59.97%。可见，在产业结构升级的方差分解中其自身的解释力占主导地位。

表6 PVAR模型方差分解结果

（六）长三角城市群区域特征比较

从表7可以发现，对于人力资本集聚而言，五大都市圈滞后一期的城镇化水平、产业结构升级及其自身均能够对其产生正向作用，南京、苏锡常和宁波三个都市圈滞后一期的城镇化水平对人力资本集聚的正向作用相对较大，而杭州和合肥两个都市圈其自身的正向作用相对较大。相反，五大都市圈滞后一期的人力资本集聚均能对其自身、城镇化水平及产业结构升级产生推动作用，且人力资本集聚对其自身的推动作用相对较大。

对于城镇化和产业结构升级之间的关系，五大都市圈却表现出明显的差异。对于产业结构升级而言，南京、苏锡常、宁波和杭州四大都市圈滞后一期的城镇化水平能够对其产生正向的拉动作用，而合肥都市圈滞后一期的城镇化水平则表现出对产业结构升级的负向影响。对于城镇化水平而言，南京、苏锡常、杭州和合肥四大都市圈滞后一期的产业结构升级能够对城镇化水平起到正向推动作用，而宁波都市圈滞后一期的产业结构升级对城镇化水平的影响则为负向。此外，五大都市圈产业结构升级对城镇化水平的影响明显要高于城镇化对产业结构升级的影响。从都市圈来看，南京、苏锡常和杭州都市圈城镇化与产业结构升级之间表现出良性互动的关系，宁波都市圈产业结构升级表现出抑制城镇化水平的现象，合肥都市圈则表现出城镇化略微抑制产业结构升级的特征。宁波和合肥都市圈中出现城镇化与产业结构升级之间一方抑制另一方的现象，可能是因为城镇化水平、产业结构升级及经济增长之间发展速度不匹配，这在已有的部分文献中也得到了印证。

从产业结构升级对城镇化的响应看，南京、宁波和杭州都市圈均表现为正向响应，但三者的响应趋势并不相同。南京都市圈对于初期的冲击响应不断增大，随后逐渐减小并最终趋于平稳，宁波都市圈的响应趋势由减少逐渐趋于平稳，杭州都市圈对于冲击的响应则经历了由减小到增大的过程。合肥都市圈表现为负向响应，但这种负向响应在不断减小，这反映出虽然当前合肥都市圈的城镇化水平不足以支撑产业结构升级，但是城镇化水平与产业结构升级之间的匹配性在不断加强。苏锡常都市圈产业结构升级对城镇的响应方向则经历了由负向正转变的过程，响应趋势经历由减小到增大的波动最终趋于平稳。这在一定程度上说明了苏锡常都市圈前期产业结构升级与城镇化之间的发展速度并不匹配，城镇化的发展曾抑制过苏锡常都市圈的产业结构升级。随着两者发展协调性的增强，城镇化水平逐渐呈现出拉动产业结构升级的现象。

从城镇化对产业结构升级的响应看，苏锡常、杭州和合肥都市圈均表现为正向响应。其中苏锡常都市圈的响应趋势由减小变为增大，产业结构升级对城镇化的正向作用越来越大。杭州和合肥都市圈的正向响应则逐渐减小并最终趋于平稳。宁波都市圈表现出负向响应，这种负向响应先增大后减小并逐渐趋于平稳。这揭示出目前宁波都市圈产业结构升级并不能促进城镇化的发展，产业结构与城镇化之间存在着错位、失调的现象，但是这种现状在不断改善。南京都市圈则经历了由负向关系向正向响应的转变过程，响应趋势由减小变为增大。这说明南京都市圈已经跨过产业结构升级与城镇化发展不匹配的阶段，当前产业结构升级对城镇化的推动作用日益增大。

四、结论与政策建议

基于长三角城市群16个核心城市2000～2015年的数据，构建PVAR模型分析人力资本集聚、城镇化与产业结构升级之间的互动关系。结果显示：第一，长三角城市群的人力资本主要集聚在南京、苏锡常和杭州都市圈，合肥都市圈人力资本集聚水平相对较低。第二，格兰杰因果关系检验显示，人力资本集聚、城镇化与产业结构升级之间存在着双向因果关系。第三，整体来看，人力资本集聚、城镇化与产业结构升级之间存在着相互促进的正向作用。第四，从区域特征来看，合肥都市圈产业结构升级对城镇化的冲击响应和宁波都市圈城镇化对产业结构升级的冲击响应均为负向响应，反映出这两大都市圈城镇化与产业结构升级之间存在着错位和失调。苏锡常都市圈产业结构升级对城镇化的冲击响应和南京都市圈城镇化对产业结构升级的冲击响应都经历由负向响应向正向响应的变化过程，说明这两大都市圈都已跨越产业结构升级与城镇化发展不匹配的阶段，两变量之间的相互促进作用正在凸显。

表7 五大都市圈PVAR模型GMM估计结果

表8 五大都市圈城镇化与产业结构升级脉冲响应结果汇总

本文研究结论对于新型城镇化进程的推进、地区产业结构的升级及区域经济增长都具有重要意义。在继续加大人力资本投资力度、鼓励创新的同时，充分发挥人力资本集聚与城镇化、人力资本集聚与产业结构升级的良性互动机制。以人力资本集聚为方式，通过区域人力资本水平的提升加快推动产业结构升级和城镇化进程。积极消除新型城镇化建设过程中流动劳动力在户籍、住房、基本公共卫生服务、随迁子女教育等诸多方面遇到的障碍，增强城市对于人力资本的吸引力，提升城镇化在人力资本集聚和产业结构升级中的推动作用。根据市场需求和区域优势，制定本地区的产业发展规划。政府相关部门要因地制宜，通过政策引导实现地区产业结构升级，并通过产业结构升级进一步吸引人力资本在当地的集聚。进一步完善产业结构升级与城镇化的互动机制，推进产城融合发展。用全局的视野综合考虑产业结构升级和城镇化发展问题，在制定产业结构升级思路的同时兼顾城镇化发展规划，在出台城镇化发展相关政策同时兼顾产业结构升级策略，促进产业结构升级与城镇化协调发展，避免出现部分地区由于产业结构升级与城镇化发展不匹配造成的相互抑制现象。总之，以上多种措施有助于长三角城市群各大都市圈从人力资本集聚、城镇化与产业结构升级之间的良性循环中受益，从而促进产城融合和区域协调发展，进一步提升长三角城市群整体经济发展水平，形成可借鉴推广的案例和经验，为全国其他地区产城融合发展和经济增长提供示范。